Aller au contenu

Base de connaissances sur l'étude dynamique, la notation et les modules.

Utilisez ces références pour comprendre la boucle du produit, la politique d'affirmations et les fondements techniques de l'autoformation notée par IA.

Comment fonctionne le moteur d'apprentissage

Mesure et mole

Chiffres significatifs, conversions d'unités, moles et formules, et habitudes qui permettent de repérer les erreurs de calcul.

Réactions et stœchiométrie

Équilibrage des équations, réactifs limitants, concentration des solutions, types de réactions et oxydoréduction.

Atomes, liaisons et noms

Configurations électroniques, tendances périodiques, structures de Lewis, forme des molécules et nomenclature des composés.

Gaz, énergie et acides

Forces intermoléculaires, lois des gaz, enthalpie, loi de Hess, et acides, bases et pH.

Atomes, lumière et liaisons

Isotopes, spectres atomiques, nombres quantiques, électronégativité et hybridation des orbitales.

Solutions, phases et thermodynamique

Titrages, propriétés colligatives, diagrammes de phases, entropie et enthalpie libre, et désintégration nucléaire.

Cinétique et équilibre

Lois de vitesse, temps de demi-réaction, énergie d'activation, constantes d'équilibre et principe de Le Chatelier.

Calculs d'équilibre et électrochimie

Tableaux ICE, acides et bases faibles, solutions tampons, produits de solubilité et potentiels de pile.

Étudier par soi-même

Comment l'entraînement s'adapte, comment le planifier et comment le rendre durable.

Aider un apprenant

Pour les enseignants, les tuteurs, les parents et les mentors qui lisent les signaux d'un apprenant.

Comment nous formulons nos affirmations

Les sources qui fondent toute affirmation sur un modèle ou une évaluation sur ce site.

Comment fonctionne le moteur d'apprentissage

  • Traite chaque réponse comme une preuve, et non comme une note définitive.
  • Insiste lorsque le raisonnement paraît plausible mais incomplet.
  • Utilise ce signal pour choisir la question suivante au lieu de repartir de zéro dans le parcours.

Le produit transforme l'entraînement en un modèle continu de la compréhension.

  1. Une réponse devient une preuve.

    Les réponses, la confiance, les explications et le raisonnement visible indiquent ce qui est peut-être solide et ce qui reste peut-être fragile.

  2. Les preuves mettent à jour les signaux de maîtrise.

    Le système maintient une estimation continue et révisable de la compréhension au niveau de chaque notion, au lieu de traiter une réponse comme une note définitive.

  3. Le graphe façonne la prochaine étape.

    Les prérequis et les notions apparentées aident à décider s'il faut avancer, revoir une base ou poser une question de suivi plus précise.

Pas une séquence de cours figée.

Robotutor est une infrastructure d'apprentissage adaptative, pilotée par des modèles : l'entraînement, les estimations de maîtrise et les questions de suivi s'ajustent à mesure que vos signaux évoluent.

  • Modélisation de la maîtrise fondée sur les preuves

    Les preuves fournies par l'apprenant sont pondérées dans le temps, de sorte que le hasard, l'incertitude et le raisonnement assuré ne se ressemblent pas tous.

  • Séquencement natif par graphe

    Les notions sont reliées par des arêtes de prérequis et d'idées apparentées, de sorte qu'un parcours peut être déduit de la structure plutôt que d'un ordre de leçons figé.

  • Questionnement contradictoire

    Les questions sondent le raisonnement derrière une réponse, y compris les cas limites et les hypothèses modifiées, afin de rendre visibles les idées fausses.

  • Récupération hybride

    La similarité sémantique et le parcours du graphe sont combinés pour ancrer les réponses à la fois dans le sens et dans des relations conceptuelles explicites.

Pour obtenir de l'aide sur votre compte, nous faire part de vos retours sur le lancement ou poser des questions sur le produit, écrivez à support@precision-learning.org.